Im Kopf eines autonomen Lieferroboters

Im Sommer 2014 begann Ahti Heinla, einer der Software-Ingenieure, die an der Entwicklung von Skype mitgewirkt haben, Fotos von seinem Haus zu machen.

Daran ist natürlich nichts besonders Ungewöhnliches. Nur er machte weiter. Monat für Monat, als der Sommer sich dem Herbst zuwandte und der Herbst dem Winter Platz machte, ging Heinla genau an die gleiche Stelle auf dem Bürgersteig und machte neue, scheinbar identische Bilder von seinem Zuhause. Hat der Mann, der eine entscheidende Rolle beim Aufbau einer milliardenschweren Telekommunikations-App gespielt hatte, den Verstand verloren? Wie sich herausstellte, gab es einen völlig logischen Grund für Heinlas Handlungen - obwohl es für jeden, der fragte, was er tat, dennoch ein bisschen verrückt geklungen haben könnte. Ahti Heinla half zukünftigen autonomen Robotern, das Sehen zu lernen.

Mehr als ein halbes Jahrzehnt später erntet die Welt (oder zumindest einige ausgewählte Teile davon) die Belohnungen von Heinlas scheinbar seltsamem Experiment. Als Mitbegründer eines Startups namens Starship Technologies neben Skype-Mitbegründer Janus Friis hat Heinla beim Aufbau einer Flotte selbstfahrender Lieferroboter mitgewirkt. Diese Roboter, die sechsrädrigen Kühlern ähneln, haben Zehntausende von Kilometern auf der ganzen Welt zurückgelegt und dabei mehr als 100.000 Lieferungen durchgeführt. Sie sind besonders häufig auf einer wachsenden Anzahl von Universitätsgeländen anzutreffen, obwohl sie auch Straßen in Städten von San Francisco bis Milton Keynes in Großbritannien durchquert haben

Um etwas bei einem der Lieferroboter von Starship zu bestellen, wählt ein Kunde einfach den gewünschten Artikel bei einem der Lieferpartner von Starship aus. Gegen eine geringe Liefergebühr holt der Roboter den Artikel ab und liefert ihn autonom an den Ort Ihrer Wahl. Der Kunde muss lediglich den Roboter über die App entsperren und die Bestellung abrufen. Einfach, richtig?

Wie bei jeder solchen Lösung sind sie jedoch technologisch umso komplexer, je einfacher die Dinge aus Anwendersicht erscheinen. Hier im Jahr 2020 sind wir es gewohnt, von selbstfahrenden Autos zu hören, die mit beeindruckender Leichtigkeit durch die Welt navigieren können. Als eines der ersten Unternehmen, das selbstfahrende Fahrzeuge ohne Fahrer für die menschliche Sicherheit auf den Markt gebracht hat, hat Starship Technologies dazu beigetragen, autonome Technologien wie diese zu einem Teil des Alltags zu machen.

Wir sollten diese Tools jedoch nicht als selbstverständlich betrachten. Sie sind nicht nur erstaunliche Leistungen der Ingenieurwissenschaften und der Informatik, sondern die derzeit getroffenen Entscheidungen im Zusammenhang mit diesen Technologien werden auch dazu beitragen, die Zukunft der Interaktionen zwischen Mensch und Roboter zu bestimmen.

Karten sind nicht für Roboter gebaut

Erinnern Sie sich an das überwältigende Gefühl, als Kind eine neue Schule zu gründen und sich zurechtzufinden? Wenn Sie in der Nähe wohnten, gingen Sie vielleicht sogar alleine oder mit Freunden von zu Hause zur Schule. Normalerweise gingen diesen Reisen solche voraus, bei denen wir von einem Elternteil oder Erziehungsberechtigten begleitet werden, der uns Tipps zur Navigation in der Welt um uns herum geben kann. Sie können die ersten Male mit uns gehen, um sicherzustellen, dass wir mit einem bestimmten Weg vertraut sind. Sie werden wahrscheinlich auf bestimmte Sehenswürdigkeiten wie Schilder oder besonders denkwürdige Gebäude hinweisen. In Kürze bilden wir eine mentale Karte darüber, wohin wir gehen und wie wir dorthin navigieren.

Die kürzeste Route (grün) ist nicht immer die schnellste und sicherste. Der Roboter bevorzugt die Route, die länger, aber schneller und sicherer ist

Diese Fähigkeit, die die meisten von uns für selbstverständlich halten, hat Starship Technologies hart daran gearbeitet, sie für seine Roboter zu entwickeln. In mancher Hinsicht ist es überraschend kompliziert. Nehmen Sie zum Beispiel Karten. Wenn die Roboter von Starship von Punkt A nach Punkt B navigieren, verwenden sie zunächst Satellitenbilder, um die Reise zu planen. Ein Routing-Algorithmus wird dann verwendet, um den kürzesten und sichersten Weg für den Roboter herauszufinden. So weit, so einfach, oder? Nur dass es nicht so ist.

Wie Heinla sagt: „Wir können nicht viele vorhandene Karten verwenden, weil sie nicht wirklich für Roboter gemacht sind. Sie sind für Menschen gemacht. “ Bestehende Kartensysteme setzen ein Maß an menschlichem Wissen voraus, beispielsweise das Verständnis, auf welchem ​​Teil der Straße wir gehen sollten und wie wir auf einem belebten Bürgersteig manövrieren sollten. Dies sind alles Dinge, die ein Roboter nicht unbedingt versteht. Es gibt viele zusätzliche Komplexitäten.

Denken Sie beispielsweise daran, wie sich Ihr Verhalten beim Überqueren einer Auffahrt von einem normalen Bürgersteig unterscheidet. Wir denken vielleicht nicht, dass sie besonders unterschiedlich sind, aber sie sind es. Wenn einer der Roboter von Starship auf ein Hindernis auf dem Bürgersteig stößt, besteht seine Reaktion darin, auf seinen Spuren anzuhalten. Das liegt daran, dass das Anhalten am sichersten ist. Wenn Sie jedoch auf einer Einfahrt oder beim Überqueren einer Straße anhalten, wird der Zugang für Fahrzeuge blockiert. Es erfordert das Erlernen einer völlig anderen Art von Verhalten.

Um die Art des Verhaltens zu verstehen, das seine Roboter verwenden sollten, hat Starship maschinelle Lernwerkzeuge entwickelt, mit denen Karten in eine Reihe miteinander verbundener farbiger Linien unterteilt werden können, die Bürgersteige (grün), Kreuzungen (rot) und Einfahrten (lila) darstellen. Anstatt einfach die kürzeste Route in Bezug auf die Entfernung auszuwählen, ermittelt der Roboter die schnellste Route, indem er jedem Szenario, auf das der Roboter im Verlauf einer Reise stößt, Kosten auferlegt.

Die Welt um sie herum erkennen

Danach begeben sich die Roboter von Starship in die reale Welt und identifizieren mit einer Vielzahl von 10 Kameras die 360-Grad-Welt um sie herum durch Beobachtung. Spezielle Bilderkennungssysteme unterteilen die Welt in Tausende von Zeilen und bieten so eine vereinfachte Drahtgitteransicht der Welt, die als Wegweiser verwendet werden kann. Da die Roboter des Unternehmens im Laufe der Zeit länger in einem Bereich verbringen, können sie kollaborative dreidimensionale Drahtgitterkarten ganzer Bereiche erstellen, was es zukünftigen Robotern erheblich erleichtert, die Umgebung zu verstehen.

Unterschiedlich gefärbte Linien (gelb und blau) repräsentieren die Kanten, die verschiedene Roboter während der Fahrt erkannt haben. Später wird der Server herausfinden, dass die Linien von verschiedenen Robotern übereinstimmen und somit der Roboterstandort bekannt ist und diese Fahrelemente wie ein Puzzle zusammengesetzt werden können

"Es ist genau so, wie Sie eine Person leiten könnten: Fahren Sie fort, bis Sie ein gelbes Gebäude erreichen, biegen Sie dann rechts ab und fahren Sie weiter bis zur Kirche", sagte Heinla. „Der Roboter hat auch Sehenswürdigkeiten, aber es sind keine gelben Gebäude oder Kirchen. Sie sind abstrakte Formen. “

Die letzte Phase des Kartierungsprozesses der Roboter besteht darin, genau herauszufinden, wie breit und wo sich der Bürgersteig befindet. Dazu werden sowohl die Bordkameras als auch die 2D-Karte aus Satellitenbildern verwendet.

"Selbst etwas so Einfaches wie das Gehen auf dem Bürgersteig haben wir schon in jungen Jahren gelernt", sagte Heinla. "Wir sehen es als selbstverständlich an. Aber für Maschinen ist es etwas, das gelehrt werden muss. Es gibt Dinge wie, ob Sie links oder rechts an einer sich nähernden Person vorbeikommen. Wenn jemand langsamer als Sie vorausgeht, werden Sie langsamer oder kommen an ihm vorbei? Wenn Sie langsamer werden, wie nahe sollten Sie der anderen Person kommen? Wenn Sie zu nahe kommen, wird sich die andere Person unwohl fühlen. All dies müssen wir der Maschine beibringen. “

Sollten alle nach Plan verlaufen (und bis heute), können die Roboter von Starship zu den auf der Karte ausgewählten Zielbenutzern navigieren.

Wie wollen wir, dass Roboter mit Menschen interagieren?

Dies ist keine Herausforderung, die nur Starship Technologies bietet. Eine Reihe anderer Unternehmen, von Nuro bis BoxBot, untersuchen ihre eigenen selbstfahrenden Roboterlieferdienste. Aber es geht weit über Roboter hinaus, die uns zum Mitnehmen oder für Lebensmittel bringen können, wenn wir zu beschäftigt (oder faul) sind, um in die Läden zu gehen. Da Roboter eine größere Rolle in unserem Leben spielen, wird die Frage, wie sie in unsere Welt integriert werden können, immer dringlicher.

Es ist nicht erforderlich, die kleinen statischen Hindernisse wie diese Pole bei der Definition des Fahrbereichs für den Roboter zu berücksichtigen. Diese werden während der Fahrt über den Sensoreingang zugeordnet, und der Roboter vermeidet sie später automatisch.

Roboter haben traditionell sehr gute Leistungen unter Laborbedingungen erbracht, bei denen jede Variable perfekt gesteuert werden kann. Sie wurden aus Sicherheitsgründen auch weitgehend von Menschen getrennt. Jetzt bewegen sie sich in großem Maße in die reale Welt. Wenn wir uns jetzt nicht an den Anblick von Robotern auf unseren Straßen gewöhnt haben, werden wir es sicher bis zum Ende der 2020er Jahre tun.

"Jede Woche haben wir in unserem autonomen Fahrerteam ein Treffen, bei dem unser Sicherheitsteam den autonomen Fahringenieuren eine Stunde lang einige der interessantesten Dinge zeigt, die in den letzten [sieben Tagen] passiert sind", sagte Heinla. "Diese interessanten Dinge sind entweder Orte, an denen es unangenehm war, der Roboter außergewöhnlich gut gefahren ist oder an denen ungewöhnliche Wetterbedingungen oder Gegenstände aufgetreten sind."

Einige dieser Probleme betreffen Roboter, die unsere Welt verstehen können. Das testete Heinla, als er in den frühen Tagen von Starship Technologies vor seinem Haus Fotos machte. Er wollte wissen, ob ein Roboter sein Haus als sein Haus erkennen könnte, unabhängig davon, ob es ein sonniger Sommertag oder ein regnerischer Winterabend war. Es stellt sich heraus, dass dies möglich ist - und diese Erkenntnis hat dazu beigetragen, ein ganzes Unternehmen (oder vielleicht sogar eine ganze Lieferbranche) hervorzubringen.

Bei solchen Forschungen - teils Ingenieurwesen, teils Soziologie - geht es darum, Antworten darauf zu finden, wie Mensch und Maschine besser koexistieren können. Ist es schlimmer für einen Roboter, übermäßig vorsichtig oder zu rücksichtslos zu sein? Was passiert, wenn Lieferroboter auf Blindenhunde treffen? Daten aus diesem neuen Forschungsbereich werden gesammelt und verwendet, um die Algorithmen zu optimieren, mit denen Roboter von Unternehmen wie Starship Technologies betrieben werden.

Eines Tages werden wir ihnen dafür danken. Im Moment ist es jedoch nur wichtig, dass wir die Entscheidungen verstehen, die sie treffen - und die Gründe, warum sie sie treffen.